金融发展对我国区域绿色发展的影响效应研究

陈旖旎 张晓丹 丁时杰

一、引 言

伴随着逐步加速的城市化进程，自然资源耗竭加速、生态环境持续恶化等问题也随之凸显。为改善当前经济发展过程中的一系列问题，追求经济、社会、生态全面协调发展，构建经济质量高、资源消耗低、环境污染少的绿色发展方式，提高城市“市经济质的必要性和紧迫性进一步凸显。我国“十二五”规划已提出绿色发展的要求，即转变传统的经济增长方式，统筹兼顾社会系统、经济系统、生态系统的协调统一。未来经济增长方式的显著特征是科技、新能源和资金等带动的低耗能、适应人类健康发展以及环境友好的相关产业在GDP比重不断提升，这些都取决于全要素生产率的提高。“十三五”规划建议中进一步强调加快金融体系改革、提高金融服务实体经济的效率。那么，作为绿色城市发展进步的重要驱动力——金融发展在绿色发展中有多大的作用空间呢？如何合理、充分地发挥金融发展对绿色发展的支撑作用是非常重要的科学问题。

针对目前中国区域绿色发展形势，众多学者展开了相关研究，集中在构建绿色发展衡量指标体系、基于不同视角对绿色发展效率的研究等方向。在绿色发展影响因素方面，已有研究主要考察了能源消费结构、技术进步、政府投入、人口城镇化率等因素的影响。然而，少有文献探讨金融发展尤其是科技金融对于提升区域发展“绿色度”的作用。绿色发展的基础是经济增长方式的“绿色化”，金融发展作为影响经济发展的重要变量，对于转换经济增长方式的作用不言而喻。

本文旨在以前期研究为基础，通过理论分析和实证研究探讨金融发展和科技金融对区域绿色发展的作用机理和实际效果，为政府在制定和出台转变经济发展方式、提升经济发展质量等各项政策方面提供决策依据。

二、理论和机理分析

绿色发展强调经济发展与环境保护的统一与协调，需要通过各种途径和方法，以更少的资源投入、结合环境保护，实现更高的经济产出。绿色发展具有两个外延，一是对原有经济系统进行绿化或生态化改造；二是发展对环境影响较小或有利于改善环境的经济形态。经济产出和环境保护是与绿色发展协调最为重要的两个因素。

根据内生经济增长模型，金融系统对经济增长有推动作用。研究表明，信息不对称的情况下，金融发展和经济增长之间具有良性的互动机制。另外，金融体系可以显示从事创新活动的潜在收益，金融体系通过引导金融资源流向技术创新项目，从而促进技术进步，进而推动经济长期增长。尤其处于当前粗放型经济发展模式向集约型经济发展模式的转折时期，金融发展和科技创新能为经济效益和环境友好的双赢提供支撑。

自从进入金融科技3.0时代之后，金融与科技的融合趋势日趋明显。一方面，传统金融机构由过去的单独强调技术，转变成更为强调投资于技术来改造自身；另一方面，金融科技类公司也开始强调开放与技术的复苏。科技金融主要是通过合理的金融投资结构促进科技创新的有效进行，本文仅考察最终以物质形式支持科技创新的各项金融投入。技术进步带来的资源环境红利，使得创新发展与绿色发展密不可分。地区科技创新能力是新的内生增长动力，可以推动传统产业智能升级，也可以催生高新技术产业、战略性新兴产业大力发展，因此，地区科技进步在一定程度上决定了该地区的绿色增长率。从具体指标来看，企业的有效发明专利越多，代表技术水平的突破越大。

因此，借鉴Levine(2004)的研究思路，从金融体系的功能来看，金融发展侧重通过增加资本要素投入来增加经济产出，科技金融强调转变经济发展模式，推动节能减排。金融发展、科技金融影响绿色发展的机理如图1所示。

图1 金融发展、科技金融影响绿色发展的机理

基于以上论述，本文认为金融发展和科技创新对绿色发展有重要的影响。下文会通过我国各省的面板数据检验上述机理。

三、变量选取和模型构建

（一）绿色发展的测度

针对目前中国区域绿色发展形势，已有文献关于绿色发展的测度方法总结为两种，即指数法和效率法。指数法是指测量绿色发展综合指数，根据指标的重要程度对不同指标赋予相应的权重，进行加权计算而成。绿色发展综合指数通过排名来反应一个经济体内某一时期的绿色发展水平相对过去其他地区所处的位置，侧重于对地区间发展的比较，但该指数仅能反应绿色发展的总体水平，且指标选取和权重分配过程容易受到主观因素的干扰。效率法基于全要素生产框架，利用数据包络分析法（data envelopment analyses，DEA）从生产的角度强调以尽可能少的资源环境代价以获取尽可能多的经济产出。

已有大多数文献均将地区内所覆盖省份全要素生产率的平均值作为该地区的全要素生产率水平。由于地区内各个省份间的全要素生产规模各不相同，各省之间存在各种差异，导致最终结果无法真实的反映地区的整体效率水平，而且大多文献均没有考虑能源资源这一重要的投入要素以及生产过程中的环境污染物排放这一非合意产出，故其测算结果存在一定偏差。本文借鉴以往文献构建全局luenberger指数的方法计算绿色发展效率，一方面解决了求取平均值的不足，另一方面也解决了测算数据结果在时间序列不可比的问题。

（二）金融发展指标选取

（1）金融规模和金融效率

本文借鉴李健和卫平（2015）的研究，从规模和效率两方面评价金融发展情况，其中金融发展规模（FDS）=金融机构存款余额+金融机构贷款余额）/GDP，我国金融体系以银行为主导且资本市场发展规模数据不全，因此从银行角度衡量金融发展规模扩张的程度较为合适；金融发展效率（FDR）=金融机构贷款余额/金融机构存款余额，反映金融系统将储蓄转化为贷款的效率，指标值越高说明金融发展效率越高。

（2）科技金融指标

对于科技金融指标，本文结合已有文献采用的相关指标体系，选取科技金融发展效率作为科技金融指标的测量。其中，科技金融发展效率是从投入和产出两个角度来分析，投入方面包括人力资本投入（R&D人员全时当量），财政科技投入（财政科技经费投入），科技贷款（银行科技信贷金额），创业风险投资（创业风险投资金额）、科技资本市场投入（科技资本市场筹资额）；产出方面包括国际科技论文数量、专利授权量和高技术产业新产品产值。根据蔺琦珠（2016）的方法，采用贝叶斯随机前沿模型对效率进行测度。

（3）相关控制变量指标

控制变量方面考虑三个因素，一是地区GDP；二是能源消费结构：用能源消费总量中煤炭消费量占比来衡量。三是外资利用，通过外商直接投资（FDI）来衡量。

（三）模型设定

本文主要利用面板数据考察各省金融发展、科技金融对绿色发展的影响效应。由于省际之间存在着客观的经济或社会差异，故而假定存在个体效应。基本模型设定如下：

其中，GreenRit是被解释变量，代表各省市绿色发展水平，下标i和t分别代表第i个省份和第t年（t=2001,2002…2014）。FDSit用于衡量地区金融发展规模，FDRit代表地区金融发展效率。TFRit代表科技金融发展效率，Controlsit代表控制变量，包含各省地区生产总值（GDP）、能源消费结构（CoalR）以及各省外商直接投资（FDI）。Cit为个体效应，表示各省市特有的不随时间变化的未观察到的影响绿色发展水平的因素，μit是残差项，代表影响各省绿色发展水平的其他因素，ξit是随机扰动项。

在处理面板数据时，需要判断采用固定效应模型还是随机效应模型。在不存在异方差的情况下，如果Hausman检验结果不显著，则说明随机效应模型较为合适，否则应选用固定效应模型。

因本文主要考察金融发展，特别是科技金融在金融发展对绿色发展中的影响，模型（1）还不足以作出解释，故而，建立模型（2），并引入 TFRit×FDSit和TFRit×FDRit即科技金融效率与金融发展规模、金融发展效率的交互项，用于反映金融发展通过科技金融对绿色发展带来的影响。

表1 变量的描述性统计

具体而言，若 TFRit×FDSit、TFRit×FDRit回归系数不显著，说明科技金融和金融发展规模的交互作用没有显著影响各省绿色发展；若TFRit的回归系数不显著，而 TFRit×FDSit、TFRit×FDRit的回归系数显著，则表明科技金融本身对各省绿色发展不明显，必须与整体金融发展相结合才能产生显著的促进效应；若FDRit和FDRit的回归系数不显著，而TFRit×FDSit、TFRit×FDRit回归系数显著，表明金融发展本身就直接促进了绿色发展，而非依赖于科技金融的作用。

四、实证分析

（一）数据来源与统计描述

实证分析以我国各省为观测对象，观测周期为2001年到2014年。主要数据来源如下：资本当年投入、年末从业人员数、耕地面积、用水总量、金融机构存贷款总额、外商投资实际使用额等来源于历年《中国区域经济统计年鉴》以及各省统计年鉴，专利授权数来源于历年《中国科技统计年鉴》，地区生产总值等来源于历年《中国统计年鉴》，各省份能源消费总量数据直接来源于《中国能源统计年鉴》（2001-2015），并折算成标准煤，二氧化碳排放数据直接来源于北京理工大学能源与环境政策研究中心iNEMS数据库（www.inems.org），科技金融指标来源于中国科学技术部公布的《中国科技统计数据》以及历年《中国科技统计年鉴》，地区GDP数据来源于历年《中国统计年鉴》，能源消费结构数据来源于《中国能源统计年鉴》。

表1给出了各变量的统计结果，有助于清晰观察各变量的统计特征。

（二）实证结果分析

本文使用Stata13.0得出实证结果。

（1）各省绿色发展效率的时间趋势

图2为30个省市的绿色发展水平趋势图，可以看出，不同省市的绿色发展效率（GreenR）的时间趋势不尽相同，有些省很平稳（比如陕西，26），有些省呈下降趋势（比如宁夏，29），而有些省市则呈上升趋势（比如北京，1、上海，9）。在一定程度上，绿色发展效率的省际差异有助于评估影响绿色发展效率的影响因素。

图2 各省市的绿色发展效率的趋势图

（2）回归结果分析

由于本文所用数据为静态短面板数据，故而不需要进行单位根检验。对于静态面板数据，首先进行混合回归作为参照系，之后判断用何种模型（陈强，2014）。

由于每个省的“省情”不同，可能存在不随时间而变的遗漏变量，故而实施固定效应模型（FE）分析。经组内估计量计算（rho=0.91）表明复合扰动项（μit+ξit）的方差主要来自个体效应μit的变动。由于固定效应F检验的p值为0.0000，故FE明显优于混合模型。在固定效应中，通过一阶差分估计量得到面板一阶自相关检验，该检验p值为0.0000，即在1%的显著性水平上存在面板自相关，但是该面板数据为短面板（T=14），因此自相关问题可忽略不计。

以上结果基本确认了个体效应的存在，但个体效应仍可能以随机效应（RE）的形式存在，因此我们也使用了随机效应模型。通过LM检验的p值为0.0000，表明在随机效应与混合效应之间应选择随机效应模型。

从Hausman检验结果来看，p值为0.0000，因此，应该使用固定效应模型而非随机效应模型。回归结果见表2。

表2 回归结果

注：*p＜0.1;**p＜0.05;***0＜0.01。

表2结果显示，模型（2）FE中，金融发展规模（FDS）和金融发展效率（FDR）两个变量通过了1%的显著性检验，但金融发展规模系数为负、金融发展效率系数为正，说明金融业2001年到2014年的快速发展在一定程度上对绿色发展效率产生了抑制。原因可能在于我国金融市场化水平不断提高的背景下，出于利润的驱动，金融机构追求金融规模的增长，更倾向于见效快、能耗高和排放强的资源密集型企业，支持了大量的重污染信贷项目，如钢铁、水泥等行业。特别是2008年金融危机之后，大量信贷资金涌入基建领域或房地产行业，势必会带动上游钢铁、水泥等高能耗、高污染行业的发展。环保项目往往具有投资周期长、回报率低和运行风险大等特点，较短时间内很难取得可观的经济效益，金融机构因此在资金支持方面的意愿和力度明显不足。这充分说明了目前各区域政府倡导发展绿色金融的正确性与重要性；而金融发展效率对绿色发展的促进效应，表明金融机构内部存转贷为支持绿色环保产业实际上提供了必要的资金转化。

科技金融发展效率（TFR）没有通过10%的显著性检验，但系数为负，表明在没有结合整体金融发展的情况下，科技金融的发展不一定能促进绿色发展，甚至有可能产生抑制作用，其原因在于科技的发展和进步虽然显著作用于经济增长，但科技的发展应用同时也可能会产生一系列负面效应，如对自然资源的消耗、掠夺式的开发等。考虑到绿色发展对环境保护的强调，因此在发展科技金融的同时，尤其要注重和环境保护相结合，把科技的负面效应降到最低，引导科技金融向绿色金融的方向发展，以促进整个社会生态效率的提高。科技金融和金融发展变量的交互项都通过了1%的显著性检验，表明金融发展规模与科技金融的结合有助于推动绿色发展，且金融发展程度对绿色发展的作用受到了科技金融发展效率的影响。但是目前的结果也表明科技金融效率在金融发展效率对绿色发展的促进上并没有起到积极的作用。

根据控制变量的估计结果，外商直接投资（lnFDI）的影响不显著，地区生产总值（lnGDP）和能源消费结构（CoalR）都通过了1%的显著性检验，回归系数分别为0.0226和-0.1550。表明地区GDP的增长对绿色发展具有促进作用，但是作用相对较小，仍存在很大的提升空间。但是能源消费中煤炭占比越高，对绿色发展的抑制作用越强，即当前能源消费中煤炭消耗对环境的破坏力极强，因此加快能源转型助推绿色发展是必然要求，如构建清洁低碳、安全高效的能源体系。

（3）固定效应模型修正

为确保估计结果的准确性，对固定效应进行异方差检验（LR=276.02,p=0.0000），结果表明模型扰动项存在异方差。因此本节采用WLS回归对模型进行修正（陈强，2014），结果见表 3。

表3 固定效应修正模型

?

从WLS回归结果来看，系数符号以及变量显著性与表2中（2）FE基本一致，只有外商直接投资（lnFDI）通过了1%的显著性检验，表明外商直接投资在绿色经济中发挥了积极的贡献作用。

根据回归分析结果可知：（1）大部分变量的系数在1%的显著性水平下通过了显著性检验（个别除外），F统计量的p=0.000，表明模型方程通过了显著性检验，调整的R2=0.9479，接近于1，模型拟合度较高，表明模型的解释力较强。（2）金融发展效率（FDR）、科技金融发展效率和金融发展规模的交互项（TFR*FDS）、地区 GDP（lnGDP）、能源消费结构（CoalR）对各省绿色发展效率有显著的正向作用，而金融发展规模（FDS）、科技金融发展效率和金融发展效率的交互项（TFR*FDR）对各省绿色发展效率有显著的负向作用。具体来讲，金融发展效率（FDR）增长1%，绿色发展效率提高0.1696个百分点；TFR*FDS的系数为0.1020，可以理解为各省金融发展规模的扩大并不能完全反映其绿色发展状况，金融发展规模与科技金融发展效率的结合对绿色发展的作用比较显著。TFR*FDR的系数为-0.2623，表明目前的科技金融效率在金融发展效率对绿色发展的促进上并没有起到积极的作用。（3）从各地区的的表现来看，大多数个体虚拟变量均很显著，表示出在以北京为基础的情况下各省对绿色发展的贡献，但是各省发展不平衡。

五、结论和讨论

本文研究探讨了我国各省市金融发展、科技金融发展对绿色发展的影响效应，利用2001年至2014年的各省面板数据，构建了科技金融发展效率、绿色发展效率，通过采用固定效应回归分析方法，取得实证结果表明：通过提高金融发展规模和科技金融发展效率，能够有效助推绿色发展，而单靠发展科技金融很难发挥积极作用。这一结果对加快当前我国各地区绿色发展进程，特别是明确该进程中金融体系发展与科技结合的关系，具有重要的启示意义。当前我国各地区金融发展不平衡，金融体系仍需要完善，科技与金融的结合存在不少亟待改进的地方，短期内以银行为主导的金融机构仍然是行业的主体，金融发展与科技相结合助推绿色金融存在更大的发展空间。综合研究结果，本文提出以下对策建议：

（1）优化金融市场协调发展

实证结果表明，各省市金融发展规模和科技金融发展效率的相结合，对绿色发展效率的提升有积极的促进作用，但是这一影响仍然有提升的空间。目前，我国各省市的金融机构发展存在不平衡的现象，对资源配置未达到最优，大部分资金并没有投向能有效提高绿色发展的活动，因此对金融的积极作用有限制。因此，各省市必须综合考虑金融的规模、效率，尤其是当前互联网金融迅猛发展的形势下，金融机构也要合理分工，为经济向绿色、协调发展提供应有的支持。

（2）健全支持绿色经济发展的金融政策

一般而言，绿色产业、绿色经济具有较强的外部性，但是社会融资的难度比较大。因此，各级政府应充分发挥领导职能，从政策层面向绿色产业倾斜，带动相关投资。如，各级政府、金融机构共同推进银行绿色信贷政策，为绿色产业企业、环境友好企业提供优惠和多渠道融资。

（3）科技金融与绿色金融共同助力实现可持续发展

实证结果表明，单独靠科技金融难以有效发挥对绿色发展的促进作用，科技金融一定要和绿色金融相结合。绿色金融一方面是实现金融业自身的可持续发展，另一方面要在自身发展过程中推进节能减排、推进环保事业的发展，让金融的发展与整个社会的可持续发展更好的融合。环境和金融是息息相关的，金融的贡献不仅在于对科技创新的支持、对环保项目中的投资，还必须包括对环境风险的考虑，这需要银行、政府、监管者以及企业共同来完成。

【参考文献】

［1］胡鞍钢，周绍杰.绿色发展：功能界定、机制分析与发展战略.中国人口.资源与环境.2014（01）14-20

［2］殷剑峰.中国金融发展报告.2016.社会科学文献出版社.1900

［3］钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素分析.中国人口.资源与环境.2013.23（7）104-109

［4］岳书敬，杨阳，许耀.市场化转型与城市集聚的综合绩效——基于绿色发展效率的视角.财经科学.2015（12）80-91

［5］胡根华，秦嗣毅.“金砖国家”全要素能源效率的比较研究——基于DEA-Tobit模型.资源科学.2012（03）533-540

［6］胡鞍钢.中国:创新绿色发展.北京:中国人民大学出版社.2012

［7］ King R G,Levine R.Finance,entrepreneurship and growth:Theory and evidence.Journal of Monetary Economics,1993.32（3）513-542

［8］庞咏刚，王君.金融中介发展与技术创新互动的实证分析. 科技进步与对策.2010.27（10）8-11

［9］Levine R.Finance and Growth:Theory,Evidence,and Mechanisms.Handbook ofEconomicGrowth Philippe Aghion&Steven Durlauf.2004

［10］李晓西，潘建成.中国绿色发展指数的编制——2010中国绿色发展指数年度报告——省际比较.经济研究参考.2011（02）36-64

［11］李晓西，刘一萌，宋涛.人类绿色发展指数的测算.中国社会科学.2014（06）69-95+207-208

［12］李琳，楚紫穗.我国区域产业绿色发展指数评价及动态比较. 经济问题探索.2015（01）68-75

［13］魏楚，杜立民，沈满洪.中国能够实现节能减排目标:基于DEA方法的评价与模拟.世界经济.2010（03）143-162

［14］王蕾，魏后凯，王振霞.中国区域节能潜力估算及节能政策设计. 财贸经济.2012（10）130-136

［15］汪克亮，杨宝臣，杨力.中国全要素能源效率与能源技术的区域差异.科研管理.2012（05）56-63+78

［16］吴旭晓.区域工业绿色发展效率动态评价及提升路径研究——以重化工业区域青海、河南和福建为例.生态经济.2016（02）63-68

［17］袁润松，丰超，王苗，黄健柏.技术创新技术差距与中国区域绿色发展，科学研究.2016.10（34）1593-1600

［18］李健，卫平.金融发展与全要素生产率增长——基于中国省际面板数据的实证分析.经济理论与经济管理.2015.35（8）47-64

［19］赵昌文，陈春发，唐英凯.科技金融.北京.科学技术出版社.2009

［20］曹颢，尤建新，卢锐.我国科技金融发展指数实证研究.中国管理科学.2011.（3）134-140

［21］蔺琦珠.我国各省科技金融发展效率的测算及收敛性分析.太原理工大学.2016

［22］王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长. 经济研究，2010（5）96-110

［23］陈强.高级计量经济学及Stata应用.第二版.高等教育出版社.2014